OPINIÃO: Por Sherif Elsayed-Ali, fundadora de diversas áreas de tecnologia e IA e cofundadora da Nexus Climate.
A IA está presente em todas as conversas sobre tecnologia e inovação. Ela domina a tecnologia há um ano e meio. Ela tem sido apontada como uma solução para tudo, desde produtividade até educação, saúde e a crise climática. Mas vou te contar um segredo: essa IA, do tipo que todo mundo fala, não fez nada pela crise climática.
Na verdade, esqueça isso. Ele é responsável por um aumento muito grande nas emissões de data centers. Esse tipo de IA, conhecido como IA generativa ou GenAI, é o que encontramos em modelos de grande linguagem (LLMs) em aplicativos como o ChatGPT e ferramentas de geração de imagens como o MidJourney.
Há muito investimento em GenAI – se todo esse hype é justificado ou não é assunto para outra discussão (minha opinião resumida: não, é uma bolha exagerada que vai estourar). O que me preocupa é que o hype em torno da GenAI esteja sugando todo o ar da proverbial sala quando se trata do papel da IA no combate à crise climática.
GenAI é um subconjunto do campo muito maior de IA e aprendizado de máquina. Pode ser útil para pessoas e organizações que lidam com problemas climáticos, principalmente na análise de dados e informações. No entanto, quando se trata de descarbonizar diretamente qualquer coisa, os LLMs e seus equivalentes em imagem e vídeo são praticamente inúteis.*
Mas existem inúmeras tecnologias de IA e aprendizado de máquina que estão contribuindo diretamente para a descarbonização hoje. Elas não são chatbots e não produzem vídeos com o apertar de um botão. E tendem a consumir muito menos energia do que a GenAI. Um ótimo exemplo é a previsão de séries temporais, que usa valores passados em um conjunto de dados de sequência temporal para prever valores futuros. Não é atraente, não vira manchete, mas pode ser extremamente eficaz.
A IA e o aprendizado de máquina estão hoje ajudando a descarbonizar diversos setores e indústrias, com muitas startups enfrentando grandes desafios com seus produtos de IA. Para citar alguns: Carbono Re, tornando a combustão de combustível na produção de cimento mais eficiente;** IA Concreta, otimizando misturas de concreto; Máquinas de Dados de Previsão, aumentando a eficiência da produção de aço e BrainBox AI tornando o resfriamento de edifícios mais eficiente. Vários outros casos de uso interessantes estão surgindo, por exemplo Materiais Orbitais está usando IA para projetar novos materiais de baixo carbono e os cientistas de Princeton estão usando IA para controlar reações de fusão.
Essas soluções de IA são complexas. Elas exigem não apenas expertise em IA, mas também profundo conhecimento de domínio. Precisam de engenheiros e pesquisadores de IA trabalhando lado a lado com especialistas em processos industriais, química e ciência dos materiais, entre outros. Elas exigem muitos dados, quase sempre proprietários.
Construir um produto de IA que proporcione reduções reais de emissões é muito mais difícil do que inserir um LLM em um aplicativo de software. Soluções reais de IA para o clima têm enorme potencial para permitir e acelerar a descarbonização – e, portanto, um potencial de retorno econômico e financeiro muito significativo. A IA é uma ferramenta muito importante no combate às mudanças climáticas, mas precisamos parar de falar sobre LLMs.
*Isso não diminui em nada a arquitetura do transformador subjacente ao GenAI e suas aplicações mais amplas
**Para transparência, sou cofundador da Carbon Re.
